金融行业数据挖掘技术_0 .docVIP

金融行业数据挖掘技术 一、 一、 简介 “金融行业数据挖掘技术应用论坛”由中国电子信息产业发展研究院(CCID)和其旗下赛迪集团战略数据资源管理中心主办，北京赛迪数据有限公司负责具体承办，2002年11月25日在北京新世纪饭店召开。 二、 二、 会议纪要 1． 1． 会议 数据挖掘技术与金融分析 数据仓库结构与技术 ? 数据挖掘技术 ? 评分系统在金融决策中的应用 ? ? 数据挖掘用于评分系统 主要观点： （1） （1） 数据仓库是适合知识发现的过程的结构。数据仓库的处理过程是从“数 据清理/整合——gt;数据仓库——gt;数据选择——gt;数据挖掘——gt;模式评价——gt;知识”不断循环的过程（注：类似Fayyad 96年提出的数据挖掘过程模型）。 （2） （2） 将数据仓库和挖掘的结构划分为四个层次：第一层是数据层，第二层是 多维数据库层MDDB，第三层是OLAP和OLAM，第四层是用户界面。（注：类似Han Jiawei的OLAM体系结构） （3） （3） 数据挖掘过程包括：数据选择，数据转换，数据挖掘，数据解释。 （4） （4） 数据挖掘的方法：联想，划分，聚类，预测，顺序模式，相似时间序列。 （5） （5） 数据挖掘的科学方法数学工具：统计学，决策树，神经网络，模糊逻辑， 线性规划。 （6） （6） 个人信用评分系统是将个人信用的历史（六个月以上）经过45至65个 因素的刻划后表述的决策模型。通常个人信用评分为350至850之间。每人从850分起，有坏帐记录，即扣去不同比例的分数。经过评分模型的分析，最后得到决策评分。（850为最好） （7） （7） 评分因素：过去的付帐历史、信用欠帐量、信用卡使用时间、新信用卡 的申请、信用卡的类、信用卡交易情况、现金提取情况 （8） （8） 应用前景：银行各类信贷风险分析，企业和个人信用风险分析 2) 2) 如何利用数据挖掘工具协助进行市场营销 数据挖掘的定义 ? IBM数据挖掘的解决方案 ? 在金融行业的应用 主要观点： （1） （1） 强调了数据挖掘过程，首先必须明确需要解决的商业问题。 （2） （2） IBM有从数据库到最上层的挖掘工具的一整套商业智能解决方案。 （3） （3） 在银行应用的层次：信用评分，购物篮分析，区隔分析，交叉营销/向上 营销，客户流失，客户价值。 （4） （4） 讲解了Lift Chart图的含义 3) 3) 数据挖掘在金融行业的应用趋势分析 数据管理技术的挑战 ? 结构化数据挖掘应用 ? 非结构化数据挖掘应用 ? 金融行业数据挖掘应用趋势 主要观点： （1） （1） 八十年代初，银行自动化建设，九十年代初银行网络化建设阶段，九五 末期，数据大集中。 （2） （2） 2002年上半年金融行业IT应用特点：数据大集中平稳进行，“银联”改 善信用卡环境，电视会议扩大应用，个人理财系统成为新焦点，农信社信息化市场升温，无线局域网开始应用。 （3） （3） 结构化挖掘原理：从现有业务系统中抽取数据（业务数据、客户数据）， 建立深层次的分析体系（数据仓库、数据集市、业务分析模型），以信息驱动业务的管理、新一代电子商务企业（市场触觉敏感、以客户为中心、以信息驱动）。 （4） （4） 一个比喻：数据仓库和数据挖掘好比一个大的厨师烧菜，开始需要选择 原料，然后，将各种原料加工完毕（洗、切、剁等等），分门别类的放在厨房，这时候厨房就象数据仓库。厨师根据这些原料做出菜肴，就象数据挖掘得出有意义的知识。 （5） （5） 结构化数据挖掘 非结构化数据挖掘的意义：企业战略规划的制定和战术方案的实施离不 开对于海量非结构化数据的挖掘和现有知识的管理！ （7） （7） 非结构化数据挖掘在企业竞争情报系统的应用，企业竞争情报系统将成 为下一个数据挖掘应用的热点。 （8） （8） 金融行业数据挖掘应用趋势，在数据集中的平台上，结合结构化和非结 构化数据挖掘技术，部署企业的商业智能、客户关系管理、市场销售分析、竞争对手分析、市场需求动向等。 4) 4) 用友金融行业财务管理解决方案 黄伟先生一上来演示了一个FLASH游戏，在多张不同花色的牌中，让观众记住一张